「自己教師あり学習」が広げる医療AI開発の可能性

<plone.namedfile.file.NamedBlobImage object at 0x7fe7fd029200 oid 0x65404e in <Connection at 7fe81edd9b80>>

2024-11-06

life_sciences_medicine

{'items': [{'key': 'e7fq0', 'term': '自己教師あり学習', 'description': {'blocks': [{'key': '1eql4', 'text': 'ベルのないデータを使用して、下流のタスク（本研究では疾患分類や臨床パラメータ分類）に有用な表現を得るための機械学習の手法の一つ。', 'type': 'unstyled', 'depth': 0, 'inlineStyleRanges': [], 'entityRanges': [], 'data': {}}], 'entityMap': {}}}, {'key': '2308d', 'term': '主成分分析(PCA)', 'description': {'blocks': [{'key': 'fvseu', 'text': '多数の変数を持つデータから最も重要な情報を抽出し、より少ない新しい変数（主成分）に要約する統計手法で、データの解釈を容易にする。', 'type': 'unstyled', 'depth': 0, 'inlineStyleRanges': [], 'entityRanges': [], 'data': {}}], 'entityMap': {}}}, {'key': 'qc0i', 'term': 'ImageNet', 'description': {'blocks': [{'key': 'drvio', 'text': '画像認識の研究で用いるために設計された大規模な一般画像のデータセット。', 'type': 'unstyled', 'depth': 0, 'inlineStyleRanges': [], 'entityRanges': [], 'data': {}}], 'entityMap': {}}}, {'key': '9vh8q', 'term': '受信者動作特性曲線下面積(ROC_AUC)', 'description': {'blocks': [{'key': 'mkt5', 'text': '横軸に偽陽性率、縦軸に真陽性率をプロットし、曲線が上に凸なほどモデルの性能が高いことを示し、AUC（曲線下の面積）が1に近いほど、モデルの予測力が優れていることを示す。', 'type': 'unstyled', 'depth': 0, 'inlineStyleRanges': [], 'entityRanges': [], 'data': {}}], 'entityMap': {}}}]}

['med']

['安部政俊', '松井 功', '猪阪善隆']

医療AIの開発には大規模なラベルつきデータの収集が必要ですが、大量の医療画像に診断ラベルをつけるのは困難であり、医療AIの開発を妨げています。本研究では日々の臨床業務において蓄積されるラベルなしデータをAIの学習に活用するために「自己教師あり学習」を用いました。これによってより効率的に医療AIの開発が進んでいくことを期待しています。

松井 功

講師

医学系研究科

https://rd.iai.osaka-u.ac.jp/ja/96444741b5ddf5a9.html